我之前做实体标注项目使用过 标注精灵、 BRAT、 YEDDA、 DeepDive等标注工具，这些工具虽然可以满足实体标注需求，但安装过程复杂、英文界面、有时会有卡顿，对标注人员都很不友好。
而我目前要做的任务需要 能同时对数据进行实体标注和文本分类标注，以上提到的工具都很难满足，分开标注效率又太低。于是我找到了 rasa-nlu-trainer标注工具， 免费、无需安装、无需注册、操作快捷且能同时标注，真是神器！今天就分享给大家。
1 进入标注工具
地址： https://rasahq.github.io/rasa-nlu-trainer，大家直接复制链接就可进入， 无需注册登录，十分方便，进入网页后可看到示例：
intent列是为文本进行分类标注，点开最左端的小加号后可为句子中的实体进行标注。
接下来为大家示范从导入数据到导出标注数据的整个过程，前方高能！
; 2 导入待标注数据
此工具要求的导入文件格式为 josn，我们可直接点击网页右上角 Download进行下载，查看需要的数据格式（为方便演示，我只截取了两条）。
可以看到它是字典嵌套列表的格式，我们主要构造红框内的内容，然后将外层字典的关键字加上即可。
以下为制作数据集的模板，大家可直接复制使用：
第一步
将待标注数据整理成一个列表（也可由txt直接构造，本文以列表做示范）：
moive = ['扬名立万很好看。',
'沙丘差评！',
'疯狂的石头太好看啦！',
'我和我的父辈还行吧',
'长津湖666']
第二步
编写函数将其转换为固定的传入格式：
def listToJosn(li):
result = []
for text in li:
item = {
'text': text,
'intent':'',
'entities': []
}
result.append(item)
dic = {"rasa_nlu_data":
{"common_examples": result}}
return dic
res = listToJosn(moive)
res
第三步
然后结果转为 josn文件：
import json
with open("a.json", "w") as f:
f.write(json.dumps(res, ensure_ascii=False, indent=4))
打开查看当前目录下的 a.josn文件，已经转换成功:
第四步
点击界面右上角 Click to Upload上传文件：
显示5条数据已经上传成功！
; 3 文本分类标注
- 可自定义标签名称
- 已定义的名称在下次标注时可自动弹出，操作方便快捷
我们定义1为好评，2为差评，3为中性。界面简洁，操作快捷，演示如下：
- 还可以对文本进行关键字筛选。比如我们将带有”好看”的文本筛出，可对这类句子统一标注。
同样的，也可以对标签进行筛选。将
标签1的样本进行筛选查看。
4 实体识别标注
- 实体标注可以与文本标注同时进行
- 可以自定义标注类型，已定义的标签在下次标注时可自动弹出方便选择
- 可以实体重叠标注。比如我们不仅需要对”疯狂的石头”进行标注，也要对”石头”也进行标注：
最后标注完，标注的实体有一个底色：
; 5 对结果进行导出
标注完成后，直接按右上角的 download就可以将文件进行导出。
导出结果中
text为原数据， intent中为文本标签， entities中为实体标签及标签在句子的索引，非常全面！
之后我们使用 Python将其改造成模型适用的数据集，就可以进行训练啦。
6 赶紧试试吧！
rasa-nlu-trainer界面简易但不失功能性，可以同时对数据进行文本与实体标签的标注，操作简单实用，是我用过标注工具中最好用的一款，强烈安利给大家！
Original: https://blog.csdn.net/Antai_ZHU/article/details/121919384
Author: 有温度的算法
Title: NLP标注神器：可同时对文本与实体进行标注
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/530418/
转载文章受原作者版权保护。转载请注明原作者出处！